Как tensorflow tf.contrib.learn.SVM перезагружает обученную модель и использует прогноз для классификации новых данных

Обучение модели SVM с помощью tensorflow tf.contrib.learn.SVM и сохранение модели; коды

feature_columns = [tf.contrib.layers.real_valued_column(feat) for feat in self.feature_columns]
model_dir = os.path.join(define.root, 'src', 'static_data', 'svm_model_dir')
model = svm.SVM(example_id_column='example_id',
                feature_columns=feature_columns,
                 model_dir=model_dir,
                            config=tf.contrib.learn.RunConfig(save_checkpoints_secs=10))
model.fit(input_fn=lambda: self.input_fun(self.df_train), steps=10000)
results = model.evaluate(input_fn=lambda: self.input_fun(self.df_test), steps=5, metrics=validation_metrics)
for key in sorted(results):
    print('% s: % s' % (key, results[key]))

hwo перезагрузить обученную модель и использовать прогноз для классификации новых данных?


python tensorflow svm tflearn
person eagle A    schedule 08.07.2017    source источник

Ответы (1)


arrow_upward
0
arrow_downward

При обучении

Вы вызываете svm.SVM(..., model_dir), а затем вызываете методы fit() и evaluate().

При тестировании

Вы вызываете svm.SVM(..., model_dir), а затем можете вызывать predict() методы. Ваша модель найдет обученную модель в model_dir и загрузит параметры обученной модели.

Ссылка

Проблема № 3340 TF

person YLJ    schedule 08.07.2017
comment
что указать в аргументе прогнозирования, если я даю X_test его ошибку AttributeError: объект 'Tensor' не имеет атрибутов 'values' - person Ashba jawed; 27.09.2020